8月20日，OBLITERATUS放出了Qwen3.8-27B-OBLITERATED。基座是阿里的Qwen3.8-27B，按项目页的说法，这是目前最激进的未审查版本：842条有害提示，硬拒绝率0%；AI红队测试18/18；jailbreak、RAT、攻击链，全给。


普通abliteration（一种通过移除权重方向来去除拒绝行为的技术）只找一个拒绝方向，投影掉就完事。但单方向会漏掉只在特定类别上激活的拒绝轴。OBLITERATUS的做法是：5个SVD方向，6轮迭代，每轮把上一轮冠军模型自己失败的拒绝样本作为加权硬负样本，挖出残留拒绝方向。第6轮试了三种方法，只有最终这个Aggressive方案成功。前两种要么把模型搞到无法停止生成，要么直接融化。

代价也明确：MMLU从87.4%掉到81.4%，-6pp。作为对比，单方向abliteration大约只掉1pp，但会残留部分拒绝行为。OBLITERATUS选择用6pp通用能力换绝对服从。

项目页强调，设置很重要：temperature=0，repetition_penalty=1.15，不要系统提示，关闭思考。否则greedy解码会循环。Q4_K_M量化约15GB，本地能跑。

模型提供GGUF、Safetensors和MLX三种格式，链接在[这里](https://huggingface.co/OBLITERATUS/Qwen3.8-27B-OBLITERATED)。另外有网友在推文下提到，这类模型真正的价值是数据本地化：离线运行意味着可以把真实客户的重现、内部发现、敏感payload直接喂给模型，不需要走法律审查。对受监管行业和渗透测试来说，这是实际解锁。

也有网友泼冷水：用harmful prompts这种措辞，等于给Anthropic和政府递刀子，推动对开源模型的打压。还有人对比了其他选择，比如有网友提到另一个orca版本有Q8几乎全精度、0拒答，还有Cisco的Foundation-Sec-8B，以及一个土耳其语网络安全模型Titus-CybersecurityLLM。


评论区有位用户晒出自己的ThinkBook 16 G7 IML，96GB内存，还在纠结跑什么模型。这大概是另一层面的硬件焦虑了。

安全对齐可以被拆掉，但能力也会掉。OBLITERATUS选择把通用能力换成交付度。划不划算，取决于你要拿它干什么。